論文の概要: Controlling False Discovery Rates Using Null Bootstrapping

• arxiv url: http://arxiv.org/abs/2102.07826v1
• Date: Mon, 15 Feb 2021 20:07:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-17 15:22:54.101722
• Title: Controlling False Discovery Rates Using Null Bootstrapping
• Title（参考訳）: Null Bootstrappingによる偽発見率の制御
• Authors: Junpei Komiyama, Masaya Abe, Kei Nakagawa, Kenichiro McAlinn
• Abstract要約: 未知の相関構造を有する多くの試験における誤検出率の制御を検討する。 nullブートストラップを用いた偽検出制御の新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 7.4364293180516
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider controlling the false discovery rate for many tests with unknown correlation structure. Given a large number of hypotheses, false and missing discoveries can plague an analysis. While many procedures have been proposed to control false discovery, they either assume independent hypotheses or lack statistical power. We propose a novel method for false discovery control using null bootstrapping. By bootstrapping from the correlated null, we achieve superior statistical power to existing methods and prove that the false discovery rate is controlled. Simulated examples illustrate the efficacy of our method over existing methods. We apply our proposed methodology to financial asset pricing, where the goal is to determine which "factors" lead to excess returns out of a large number of potential factors.
• Abstract（参考訳）: 未知の相関構造を有する多くの試験における誤検出率の制御を検討する。 多くの仮説を考えると、誤った発見や行方不明発見は分析を苦しめる可能性がある。 偽の発見を制御するための多くの手順が提案されているが、それらは独立した仮説を仮定するか、統計力を欠いている。 nullブートストラップを用いた偽検出制御の新しい手法を提案する。 相関するnullからブートストラップすることにより、既存の方法に対する優れた統計力を達成し、誤発見率が制御されることを証明します。 シミュレーション例では,既存手法に対する提案手法の有効性を示す。 我々は、提案した手法を金融資産価格に適用し、目的は、潜在的な多数の要因から過剰なリターンにつながる「要素」を決定することです。

関連論文リスト

• Ranking by Lifts: A Cost-Benefit Approach to Large-Scale A/B Tests [0.0]
  大規模なテストを行うA/Bテスタは、nullの偽の拒絶をコントロールできることを望んでいる。 本研究は、偽発見率(FDR)制御を受ける利益を最大化する決定論的枠組みを開発する。
  論文  参考訳（メタデータ） (2024-07-01T07:40:08Z)
• Model-Free Active Exploration in Reinforcement Learning [53.786439742572995]
  強化学習における探索問題について検討し,新しいモデルフリーソリューションを提案する。 我々の戦略は、最先端の探査アプローチよりも高速に効率的な政策を特定できる。
  論文  参考訳（メタデータ） (2024-06-30T19:00:49Z)
• Online multiple testing with e-values [37.0397290998274]
  科学者は、誤った発見の数を確実にコントロールしながら、できるだけ多くの発見をしたいと考えています。 オンライン設定におけるFDR制御の以前の方法は、各仮説のテスト統計の間に特定の依存構造が存在すると仮定した場合に、アルゴリズムの定式化に焦点が当てられていた。 我々のアルゴリズムであるe-LONDは、任意の、おそらく未知の依存下でFDR制御を提供する。
  論文  参考訳（メタデータ） (2023-11-10T22:14:47Z)
• Benchmarking Bayesian Causal Discovery Methods for Downstream Treatment Effect Estimation [137.3520153445413]
  下流推論に重点を置く因果発見手法の評価において,顕著なギャップが存在する。 我々は,GFlowNetsに基づく新たな手法を含む,確立された7つの基本因果探索手法を評価する。 研究の結果,研究対象のアルゴリズムのいくつかは,多種多様なATEモードを効果的に捉えることができることがわかった。
  論文  参考訳（メタデータ） (2023-07-11T02:58:10Z)
• Empirical Bayesian Approaches for Robust Constraint-based Causal Discovery under Insufficient Data [38.883810061897094]
  因果発見法は、多くの実世界のデータセットではそうではないかもしれないデータ飽和度を仮定する。 本研究では,制約に基づく因果探索手法の性能向上を図るため,ベイジアンによる頻繁な独立性試験を提案する。 実験の結果,SOTA法よりも精度と効率が向上した。
  論文  参考訳（メタデータ） (2022-06-16T21:08:49Z)
• Error-based Knockoffs Inference for Controlled Feature Selection [49.99321384855201]
  本手法では, ノックオフ特徴量, エラーベース特徴重要度統計量, ステップダウン手順を一体化して, エラーベースのノックオフ推定手法を提案する。 提案手法では回帰モデルを指定する必要はなく,理論的保証で特徴選択を処理できる。
  論文  参考訳（メタデータ） (2022-03-09T01:55:59Z)
• Residual Overfit Method of Exploration [78.07532520582313]
  提案手法は,2点推定値の調整と1点オーバーフィットに基づく近似探索手法を提案する。 このアプローチは、調整されたモデルと比較して、オーバーフィットモデルが最も過度な適合を示すアクションへの探索を促進する。 ROMEを3つのデータセット上の確立されたコンテキスト的帯域幅法と比較し、最も優れたパフォーマンスの1つとみなす。
  論文  参考訳（メタデータ） (2021-10-06T17:05:33Z)
• Optimal Off-Policy Evaluation from Multiple Logging Policies [77.62012545592233]
  我々は,複数のロギングポリシからオフ政治評価を行い,それぞれが一定のサイズ,すなわち階層化サンプリングのデータセットを生成する。 複数ロガーのOPE推定器は,任意のインスタンス,すなわち効率のよいインスタンスに対して最小分散である。
  論文  参考訳（メタデータ） (2020-10-21T13:43:48Z)
• Lower bounds in multiple testing: A framework based on derandomized proxies [107.69746750639584]
  本稿では, 各種コンクリートモデルへの適用例を示す, デランドマイズに基づく分析戦略を提案する。 これらの下界のいくつかを数値シミュレーションし、Benjamini-Hochberg (BH) アルゴリズムの実際の性能と密接な関係を示す。
  論文  参考訳（メタデータ） (2020-05-07T19:59:51Z)
• Witnessing Entanglement in Experiments with Correlated Noise [1.1246250197597698]
  そこで我々は,各状態が任意に相関する雑音を受けることのできる目撃実験を解析するための2つの手法を提案する。 第1の方法は拒絶実験であり、実験が分離可能な状態しか生成できないという仮説を否定することで絡み合いの生成を認証する。 第2の方法は推定実験であり、平均的な目撃者値に対する信頼区間を推定し、構成する。
  論文  参考訳（メタデータ） (2020-02-27T19:23:08Z)
• PAPRIKA: Private Online False Discovery Rate Control [27.698099204682105]
  サンプルの差分プライバシーの制約の下で, 仮説テストにおけるFalse Discovery Rate (FDR) の制御について検討した。 我々は、非プライベートなオンラインFDR制御における最先端の結果に基づく新しいプライベートアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2020-02-27T18:42:23Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。